基于MES的加工過程質(zhì)量控制與預測研究.pdf

1、隨著生產(chǎn)制造模式逐步向多品種小批量、柔性化、敏捷化方向的轉(zhuǎn)變，如何保證產(chǎn)品“高質(zhì)量”、“零缺陷”的制造對企業(yè)提出了嚴峻考驗，針對這一問題，有效實施對制造過程的工序質(zhì)量實時控制與加工質(zhì)量預測顯得尤為關(guān)鍵。
　　當前，社會和科技的進步促進了加工制造過程中生產(chǎn)設(shè)備的數(shù)字化、信息采集的自動化以及基于制造執(zhí)行系統(tǒng)(Manufacturing Execution System，MES)的過程控制的信息化，從而可以獲得制造過程中所有與質(zhì)量有關(guān)的

2、靜態(tài)和動態(tài)數(shù)據(jù)，并及時存儲在構(gòu)建的數(shù)據(jù)倉庫中。這就為利用現(xiàn)代質(zhì)量控制技術(shù)對過程數(shù)據(jù)信息進行有效的處理，實現(xiàn)質(zhì)量控制和預測的智能化提供了一個良好的數(shù)據(jù)信息平臺。為此，本文在此背景下，以生產(chǎn)制造過程各工序結(jié)點為研究對象，在分析了小批量柔性生產(chǎn)模式下工序質(zhì)量控制和預測的研究現(xiàn)狀和當前存在問題的基礎(chǔ)上，給出了基于MES的加工過程質(zhì)量控制集成系統(tǒng)平臺，對其中涉及的工序加工質(zhì)量穩(wěn)態(tài)控制、工序加工質(zhì)量預測等理論和技術(shù)進行了深入的分析和研究，主要研究內(nèi)

3、容包含如下若干方面:
　　(1)針對小批量柔性生產(chǎn)模式下工序質(zhì)量控制和工序加工質(zhì)量預測的國內(nèi)外研究現(xiàn)狀進行分析總結(jié)，并指出當前研究存在的若干問題，進而給出了本課題研究的基本內(nèi)容和基本框架。
　　(2)針對當前加工過程質(zhì)量控制的實際問題，構(gòu)建了基于MES的加工過程質(zhì)量控制系統(tǒng)體系結(jié)構(gòu)及功能模型，討論分析了其實現(xiàn)的關(guān)鍵技術(shù)，擴展了傳統(tǒng)的加工過程質(zhì)量控制模式。
　　(3)針對工序質(zhì)量控制問題，基于小批量生產(chǎn)模式和工序質(zhì)量波動

4、特點，給出了工序質(zhì)量控制實現(xiàn)框架。通過分析研究卡爾曼濾波(Kalman Filtering，KF)理論和指數(shù)加權(quán)移動平均(Exponentially Weighted Moving Average，EWMA)理論建立了KF-EWMA工序質(zhì)量監(jiān)控模型，實現(xiàn)了對工序短期微小波動高效精確的識別和監(jiān)控;其次，基于相似工序理論和基于統(tǒng)計特征的凝聚層次聚類(Agglomerative Hierarchical Clystering，AHC)分析算法

5、對質(zhì)量數(shù)據(jù)樣本進行定性、定量聚類預處理得到具有相似制造過程的樣本集合，從而在符合一定要求的情況下運用統(tǒng)計過程控制(Statistical Process Control，SPC)技術(shù)對工序長期較大波動的識別和監(jiān)控，實現(xiàn)用聯(lián)合模型對工序過程波動的進行實時監(jiān)控。
　　(4)針對事前工序加工質(zhì)量預測問題，首先從工序流層面分析了影響加工誤差產(chǎn)生的因素，進而建立了基于加工誤差傳遞網(wǎng)絡(luò)的質(zhì)量預測模型，在此基礎(chǔ)上，通過研究粒子群優(yōu)化(Parti

6、cle Swarm optimization，PSO)和支持向量回歸(SupportVector Regression，SVR)理論構(gòu)建了基于PSO參數(shù)優(yōu)化的SVR最優(yōu)預測回歸算法實現(xiàn)了對加工質(zhì)量預測模型的求解，同時為適應加工過程的變化，采用滾動式有限階段優(yōu)化策略實時更新SVR預測模型，實現(xiàn)對加工質(zhì)量的在線人工智能預測，并給出了實現(xiàn)框架。
　　(5)基于以上理論和方法，采用VB.NET、MATLAB以及SQL Server2008